結構方程模型常為社會科學研究者使用，作為檢驗理論模型的方法。在評估假設模型與資料間的符合程度時，增益性適合度指標為常用的方法，此等指標的計算需對照某一個特定模型而得出。自Bentler與Bonett（1980）以變項間無相關的虛無模型為比較基準，發展出增益性適合度指標NFI 與NNFI 以來，二者即常被用作模型適合度評估的依據，且不少其後發展的適合度指標亦沿用其慨念而以虛無模型作為比較的標準。這類指標發展時並未考慮估計方法對指標數值的影響。但有研究指出，部份增益性適合度指標因估計方法不同而異。本研究在常態分配的假設下，以模擬資料探討當假設模型為真實模型時，增益性適合度指標NFI，NNFI 與CFI 隨估計方法改變的可能原因。研究中操弄樣本大小（35，100，300，600，1000），因素間相關（0，0.3，0.6）與估計方法（ML， GLS）三個變項，結果發現假設模型的卡方值不太受估計方法影響，但虛無模型的卡方值却因估計方法的不同而有相當大的差異，因此造成了NFI 與CFI 在不同估計方法上的不同。此結果支持了Sugawara與MacCallum（1993）對估計方法如何影響增益性適合度指標所提出的解釋。結果亦顯示，當變項為常態分配且假設模型為據以產生資料的真實模型時，ML的結果較GLS的結果為佳。然此等結論不一定能推至模型設定有誤失的情形。基於估計方法對增益性適合度指標的可能影響，當研究者以增益性適合度指標評估模型適合度時，需要同時考慮所選用之估計方法。文中並討論未來研究的可能方向。